煤矿安全大数据特征及治理方法体系研究

蔡毅1,2

（1.中煤科工集团重庆研究院有限公司，重庆  400039；

2.瓦斯灾害监控与应急技术国家重点实验室，重庆 400037）

作者简介：蔡毅（1984-），四川省宜宾市人，工程师，本科。2004年毕业于重庆大学电子信息工程专业，主要从事瓦斯监测系统现场应用技术、仪器仪表、综合自动化等方面的研究与技术推广等工作。

摘要：煤矿安全是保障国家经济发展和人民生命财产安全的重要组成部分，由于煤矿的特殊性质，煤矿事故频繁发生，严重影响了经济和社会发展。煤矿安全管理工作的实践中，要求管理人员明确目标，采取可行的措施和方法，提高管理有效性，保障生产安全。几十年来，通过不断吸收国内外各行各业的安全管理理论方法，并结合煤炭行业发展实际，煤矿大数据的内涵逐渐发展丰富，在质量控制的基础上增加了很多管理内容，发展到当前的理念引领、责任落实、双重预防、人员素质、质量控制和持续改进共同推进的安全管理体系。基于此，本篇文章对煤矿安全大数据特征及治理方法体系进行研究，以供参考。

关键词：煤矿安全；大数据特征；治理方法体系

引言

煤炭资源的开发与利用促进着社会经济的发展，为全面建设现代化强国奠定基础。安全生产是煤矿企业的永恒主题，也是煤矿企业顺利发展的前提。影响煤矿发展的因素有很多，例如环境、地质、管理、人为等因素。这些因素的存在可能会导致安全事故发生，不仅影响煤矿的经济效益，还可能会导致发生人员伤亡，造成巨大损失。因此，煤矿在运营过程中需要加强隐患的排查及规范治理，做到隐患可排查，事故可预防，从而确保煤矿生产安全。同时在满足相关要求的前提下，持续推进煤矿企业安全生产标准化机制建设，对生产中的隐患进行分析研究，并采取有效措施，煤矿安全生产提供保障。

1煤矿安全大数据特征

1）数据体量大。在煤炭生产中产生了海量安全数据，主要包括以瓦斯浓度、粉尘浓度、矿井温度、矿井地压、水量、风量等为代表的环境监测信息，以人员定位、设备安置地点等为代表的空间信息，以采煤量、机电监测数据等为代表的生产作业信息，以安全隐患、设备点检数据等为代表的隐患信息，以及其他各种综合自动化、管理信息化和工程数字化系统所产生的数据。随着信息技术应用的深化，煤矿安全大数据的数据规模仍在不断增长。2）数据类型多。在煤炭生产中所产生的数据类型繁多，具有多源异构的特征。其中，既包括以数值型数据为代表的结构化数据，如通过传感器采集的井下环境信息、生产作业信息、人员定位信息，也包括以文本、图像视频数据等为代表的半结构化和非结构化数据，如通过人工录入的安全隐患文本及通过视频摄像获取的井下实况。3）数据处理速度快。煤矿安全监测本身有对数据实时性的要求，随着物联网、云计算、移动互联网等信息技术的应用，传统的信息壁垒已被打破，煤矿安全管理的各系统之间不再相互独立，系统不间断地产生大量数据，这些数据被快速处理、分析，形成可被接受的知识。4）价值密度低。相对于庞大的数据总量，数据中所蕴含的有效信息极为稀少，从海量数据中提取有效信息的过程无异于大海捞针，有效信息的提取需要耗费大量的资源。同时，考虑到信息的时间价值，信息蕴含的价值一直处于不断减少中，这与数据的快速增加形成了鲜明对比。5）数据真实性。一方面，煤矿安全大数据要求整体上的真实性，即全部或大部分数据必须真实有效，具有较高的信噪比，能够从中发现有价值的信息，并应用于生产实践中；另一方面，允许存在一定程度的数据缺失、损坏等，如某一个或几个传感器在一段时间内未能上传数据或采集的数据具有明显错误、安全隐患记录的表述不一致等。

2煤矿安全大数据管理现状分析

针对智能化煤矿大数据治理技术，国内外学者已经开展了大量研究工作，将机器学习、人工智能等技术应用于矿山大数据治理中，从大数据采集、处理、存储、分析和应用等方面进行了探索和实践，提高了矿山企业的数据管理和利用水平。但在实际应用中仍存在一些难题，主要集中在以下方面：①“数据孤岛”现象严重。数据交换多数仍是人工方式，缺乏数据处理系统之间的业务协同，时效性差，数据仍以分散和弱关联方式存在，系统效率低，难以分析煤矿开采过程中的动态演进规律，无法实现大数据融合应用。②数据质量低，缺乏统一的数据标准。煤矿内部应用系统众多，且各类数据没有统一的标准，导致煤矿大数据质量较低，难以实现多源数据融合应用。③数据治理体系缺乏。虽然在子系统层面有一些数据使用标准，但仍然缺乏针对总体数据的治理标准。④数据赋能不够充分，概念性的研究过多，应用实践相对较少。煤矿生产运营过程中虽然产生了大量数据，但是没有对实际生产、经营决策进行充分赋能。

3煤矿安全大数据治理方法体系研究

3.1数据质量和数据安全体系管理规则设计

数据质量和数据安全是智能化煤矿数据重要的内在价值维度，是数据治理和数据管理共同关注的重要能力域。智能化煤矿数据质量和数据安全管理尚缺乏健全完善的管理规则体系，使得数据质量和数据安全管理缺乏必要的落地实施规范。数据质量体系管理规则的建设需重点关注智能化煤矿数据质量评估规则、数据质量问题识别规则、全生命周期数据质量监管规则的设计，确保智能化煤矿数据满足完整性、准确性、唯一性、一致性、有效性和及时性等数据质量要求。数据安全体系管理规则的建设需根据智能化煤矿数据安全风险表征和数据权限配置要求构建数据安全风险分类分级体系，建立数据安全隐患排查和风险评估机制，完善全生命周期的数据安全监管规则。

3.2数字智慧发生规律建模

智能化煤矿数字智慧发生规律建模旨在构建支持煤矿安全、生产和管理各业务域中有关资源配置、设备联动、组织协同、状态分析、趋势预测、风险识别、方案决策和目标控制的自动化、智能化和智慧化的核心数据算法，是构建自主学习和智能应用两大数据治理能力域的基础，遵循“数据构建−信息构建−智慧构建”的智慧发生逻辑。数据构建重在揭示煤矿意识世界、物理世界和信息世界的转换和连接方式，在当前煤矿智能化建设初级阶段强调煤矿意识世界和物理世界向信息世界的转换与连接，要求对煤矿意识世界和物理世界中存在的价值实体和关系进行客观描述和映射。信息构建重在揭示蕴藏在煤矿数据中有关于煤矿地质、煤矿安全、煤矿生产、煤矿管理决策等方面的运行机制和演化规律，强调基于数据驱动建立健全智能化煤矿的自主学习能力体系，要求对煤矿意识世界和物理世界中存在的客观发展规律进行数据模式发现。智慧构建重在揭示智能化煤矿有关于煤矿地质、煤矿安全、煤矿生产、煤矿管理决策等方面的知识关联和智慧模式，强调完整构建以“煤炭生产柔性化、安全保障本质化、管理决策精益化”为特征的煤矿数据智能应用算法体系和供−产−销−用一体化协同的业务规则体系。

结束语

本文分析智能化煤矿建设过程中数据治理的需求，研究了数据治理过程中的关键技术。在数据治理技术在煤矿的实践，提出工业互联网体系的智能化煤矿大数据治理的现状，与此同时，提出了数据治理方法体系规划设计与数字智慧发生规律建模。智能化煤矿大数据经过统一数据治理之后，能实现数据融合应用，打破数据孤岛，提升数据质量，形成煤矿独有的数据资产，为煤矿生产运营提供重要价值。

参考文献

[1]赵士杰.数据安全治理体系分析[J].互联网周刊,2022(15):10-12.

[2]陈孝慈.煤矿安全隐患管理知识发现研究[D].中国矿业大学(北京),2021.000033.

[3]杜毅博,赵国瑞,巩师鑫.智能化煤矿大数据平台架构及数据处理关键技术研究[J].煤炭科学技术,2020,48(07):177-185.

[4]王海涛.煤矿安全投入影响因素系统分析及其效率评价研究[D].中国矿业大学(北京),2020.000079.

[5]陈晓.基于数据挖掘的煤矿安全管理知识可视化研究[D].中国矿业大学(北京),2018.